The validation of satellite ocean color data products is a critical component in establishing their measurement uncertainties, assessing their scientific utility, and identifying conditions for which their reliability is suspect. Such efforts require a considerable amount of high quality in situ data, preferably consistently processed and spanning the satellite mission lifetime. This paper outlines the NASA Ocean Biology Processing Group's (OBPG) method for validating satellite data products using in situ measurements as ground truth. Currently, the OBPG uses the described method for validating several historical and operational ocean color missions. By way of a case study, results for the Sea-Viewing Wide Field-of-View Sensor (SeaWiFS) are shown. These results indicate that for the majority of the global ocean, SeaWiFS data approach the target uncertainties of ± 5% for clear water radiances as defined prior to launch. Our results add confidence in the use of these data for global climate studies, where a consistent, high quality data set covering a multi-year time span is essential.

Global satellite ocean color instruments provide the scientific community a high-resolution means of studying the marine biosphere. Satellite data product validation and algorithm development activities both require the substantial accumulation of high-quality in-situ observations. The NASA Ocean Biology Processing Group maintains a local repository of in-situ marine bio-optical data, the SeaWiFS Bio-optical Archive and Storage System (SeaBASS), to facilitate their ocean color satellite validation analyses. Data were acquired from SeaBASS and used to compile a large set of coincident radiometric observations and phytoplankton pigment concentrations for use in bio-optical algorithm development. This new data set, the NASA bio-Optical Marine Algorithm Data set (NOMAD), includes over 3400 stations of spectral water-leaving radiances, surface irradiances, and diffuse downwelling attenuation coefficients, encompassing chlorophyll a concentrations ranging from 0.012 to 72.12 mg m− 3. Metadata, such as the date, time, and location of data collection, and ancillary data, including sea surface temperatures and water depths, accompany each record. This paper describes the assembly and evaluation of NOMAD, and further illustrates the broad geophysical range of stations incorporated into NOMAD.

Ocean color measured from satellites provides daily, global estimates of marine inherent optical properties (IOPs). Semi-analytical algorithms (SAAs) provide one mechanism for inverting the color of the water observed by the satellite into IOPs. While numerous SAAs exist, most are similarly constructed and few are appropriately parameterized for all water masses for all seasons. To initiate community-wide discussion of these limitations, NASA organized two workshops that deconstructed SAAs to identify similarities and uniqueness and to progress toward consensus on a unified SAA. This effort resulted in the development of the generalized IOP (GIOP) model software that allows for the construction of different SAAs at runtime by selection from an assortment of model parameterizations. As such, GIOP permits isolation and evaluation of specific modeling assumptions, construction of SAAs, development of regionally tuned SAAs, and execution of ensemble inversion modeling. Working groups associated with the workshops proposed a preliminary default configuration for GIOP (GIOP-DC), with alternative model parameterizations and features defined for subsequent evaluation. In this paper, we: (1) describe the theoretical basis of GIOP; (2) present GIOP-DC and verify its comparable performance to other popular SAAs using both in situ and synthetic data sets; and, (3) quantify the sensitivities of their output to their parameterization. We use the latter to develop a hierarchical sensitivity of SAAs to various model parameterizations, to identify components of SAAs that merit focus in future research, and to provide material for discussion on algorithm uncertainties and future emsemble applications.

The atmospheric correction algorithm employed by the NASA Ocean Biology Processing Group requires an assumption of negligible water-leaving reflectance in the near-infrared region of the spectrum. For waters where this assumption is not valid, an optical model is used to estimate near-infrared water-leaving reflectance. We describe this optical model as implemented for the sixth reprocessing of the SeaWiFS mission-long time-series (September 2009). Application of the optical model resulted in significant reductions in the number of negative water-leaving reflectance retrievals in turbid and optically complex waters, and improved agreement with in situ chlorophyll-a observations. The incidence of negative water-leaving reflectance retrievals at 412 nm was reduced by 40%, while negative reflectance at 490 nm was nearly eliminated.

The retrieval of ocean color radiometry from space-based sensors requires on-orbit vicarious calibration to achieve the level of accuracy desired for quantitative oceanographic applications. The approach developed by the NASA Ocean Biology Processing Group (OBPG) adjusts the integrated instrument and atmospheric correction system to retrieve normalized water-leaving radiances that are in agreement with ground truth measurements. The method is independent of the satellite sensor or the source of the ground truth data, but it is specific to the atmospheric correction algorithm. The OBPG vicarious calibration approach is described in detail, and results are presented for the operational calibration of SeaWiFS using data from the Marine Optical Buoy (MOBY) and observations of clear-water sites in the South Pacific and southern Indian Ocean. It is shown that the vicarious calibration allows SeaWiFS to reproduce the MOBY radiances and achieve good agreement with radiometric and chlorophyll a measurements from independent in situ sources. We also find that the derived vicarious gains show no significant temporal or geometric dependencies, and that the mission-average calibration reaches stability after approximately 20-40 high-quality calibration samples. Finally, we demonstrate that the performance of the vicariously calibrated retrieval system is relatively insensitive to the assumptions inherent in our approach.

Photosynthetic production of organic matter by microscopic oceanic phytoplankton fuels ocean ecosystems and contributes roughly half of the Earth's net primary production. For 13 years, the Sea-viewing Wide Field-of-view Sensor (SeaWiFS) mission provided the first consistent, synoptic observations of global ocean ecosystems. Changes in the surface chlorophyll concentration, the primary biological property retrieved from SeaWiFS, have traditionally been used as a metric for phytoplankton abundance and its distribution largely reflects patterns in vertical nutrient transport. On regional to global scales, chlorophyll concentrations covary with sea surface temperature (SST) because SST changes reflect light and nutrient conditions. However, the ocean may be too complex to be well characterized using a single index such as the chlorophyll concentration. A semi-analytical bio-optical algorithm is used to help interpret regional to global SeaWiFS chlorophyll observations from using three independent, well-validated ocean color data products; the chlorophyll a concentration, absorption by CDM and particulate backscattering. First, we show that observed long-term, global-scale trends in standard chlorophyll retrievals are likely compromised by coincident changes in CDM. Second, we partition the chlorophyll signal into a component due to phytoplankton biomass changes and a component caused by physiological adjustments in intracellular chlorophyll concentrations to changes in mixed layer light levels. We show that biomass changes dominate chlorophyll signals for the high latitude seas and where persistent vertical upwelling is known to occur, while physiological processes dominate chlorophyll variability over much of the tropical and subtropical oceans. The SeaWiFS data set demonstrates complexity in the interpretation of changes in regional to global phytoplankton distributions and illustrates limitations for the assessment of phytoplankton dynamics using chlorophyll retrievals alone.